CommencerCommencer gratuitement

Travailler avec des données d’images

On vous fournit l’image noir et blanc d’une lettre, encodée sous forme de tenseur, letter. Vous souhaitez déterminer s’il s’agit d’un X ou d’un K. Vous n’avez pas de réseau de neurones entraîné, mais vous disposez d’un modèle simple, model, que vous pouvez utiliser pour classifier letter.

Le tenseur 3x3 letter et le tenseur 1x3 model sont disponibles dans le shell Python. Vous pouvez déterminer si letter est un K en multipliant letter par model, en faisant la somme du résultat, puis en vérifiant si cette somme est égale à 1. Comme pour des modèles plus complexes, tels que les réseaux de neurones, model est un ensemble de poids organisé dans un tenseur.

Notez que les fonctions reshape(), matmul() et reduce_sum() ont été importées depuis tensorflow et sont disponibles.

Cet exercice fait partie du cours

Introduction à TensorFlow en Python

Afficher le cours

Instructions

  • Le modèle model est un tenseur 1x3, mais il devrait être un 3x1. Refaçonnez model.
  • Effectuez une multiplication de matrices du tenseur 3x3 letter par le tenseur 3x1 model.
  • Effectuez la somme du tenseur résultant, output, et affectez cette valeur à prediction.
  • Affichez prediction avec la méthode .numpy() pour déterminer si letter est un K.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Reshape model from a 1x3 to a 3x1 tensor
model = ____(model, (____, ____))

# Multiply letter by model
output = ____(letter, model)

# Sum over output and print prediction using the numpy method
prediction = ____
print(prediction.____)
Modifier et exécuter le code